DataFlux 版本差异

说明:

• 时间线数量 ：在 DataFlux 中时间线是由指标集、标签、数据保留时间时长组合而成的， “指标集”和“标签的组合”是数据存储的主键。例如：如果有 天气 这个指标集，数据保留时长一样：

  2019-12-24T00:00:00Z 天气,国家=中国,地区=上海 温度=23.1
  2019-12-24T00:00:00Z 天气,国家=中国,地区=杭州 温度=22.2
  2019-12-24T00:00:00Z 天气,国家=美国,地区=纽约 温度=23.3
  2019-12-24T00:00:00Z 天气,国家=美国,地区=洛杉矶 温度=21.2
  2019-12-24T00:00:10Z 天气,国家=中国,地区=上海 温度=23.3
  2019-12-24T00:00:10Z 天气,国家=中国,地区=杭州 温度=20.2
  2019-12-24T00:00:10Z 天气,国家=美国,地区=纽约 温度=24.3
  2019-12-24T00:00:10Z 天气,国家=美国,地区=洛杉矶 温度=25.2
  

  如上所述，包含 1 个指标集：【天气】；4 个标签组合：【中国 上海】【中国 杭州】【美国 纽约】【美国 洛杉矶】

  则当前指标集 天气 的时间线数量为： 1(指标集个数) x 4(标签的组合个数) = 4 个时间线

• 数据保留时长 ：采集上来的数据在平台中保存的时间，超过保留时长的数据将会自动删除

• 任务调用次数 ：DataFlux 中有三处消耗任务数，用户可自定义设置“调用周期”，然后计算调用总次数。

  1）异常检测的规则数量：用于对数据进行异常检测

  2）日志“提取标签”的规则数量：用于在日志数据中设置提取规则，进行标签提取

  3）日志“生成指标”的规则数量：用于在日志数据中提取指标数据并写入到【指标】

举例：调用周期设为 5 分钟；任务数为 10，则1小时的消耗任务数=60÷5x10=120；1天消耗任务数=120x24=2880，再减去每天免费的调用额度。

• 部署方式 ：专业版包含“云上部署”和“本地一体机”两种 私有化 部署方式

• DataFlux.f(x) 数据处理开发平台：

  • 拥有专业的 DataFlux Function 定制组件；

  • 支持进行可扩展数据的应用与计算处理；

  • 支持开发自定义数据处理函数在 DataFlux Studio 中使用；

  • 支持同时对多个数据源的数据进行处理；

  • 无需部署，发布即生效

• DataFlux Admin Console 管理后台

  • DataFlux Studio 专属的管理后台；

  • 支持对 DataFlux Studio 数据洞察平台的工作空间、成员进行统一管理；

  • 支持数据权限、数据存储位置、数据保留时长等数据管理；